[发明专利]用户价值预测方法、装置、电子设备和计算机存储介质

说明书

本发明提供一种用户价值预测方法、装置、电子设备和计算机存储介质，获取用户数据；基于从用户数据中提取到的特征数据，生成的特征数据集；将特征数据集作为预先构建的数据预测模型的输入，基于预先构建的数据预测模型对特征数据集进行处理，得到用户预设时间段内的用户价值，其中，预先构建的数据预测模型是利用每一用户的历史数据进行训练得到。在本方案中，提取获取到的用户数据中的特征数据，以生成对应的特征数据集。再利用预先构建的数据预测模型对特征数据集进行处理，以预测用户预设时间段内的用户价值。通过上述方式能够了解每一用户的用户价值，以便市场营销和用户运营部门制定针对性的营销策略，进而提升用户对基金公司的粘性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用户价值预测方法、装置、电子设备和计算机存储介质。

背景技术

随着大数据时代的到来，为了了解用户的价值，以便于市场营销和用户运营部门制定针对性的营销策略，从而提升用户对基金公司的粘性。

目前，客户生命周期价值(Customer Lifetime Value，CLV)对输入的用户的多次购买金额和购买时间进行处理，推算用户价值。由于CLV模型只考虑申购行为，且CLV模型需要在用户消费金额符合伽马-伽马分布数据分布假设的前提下才能有效使用的，因此导致采用CLV模型所推算的用户价值不准确。

发明内容

有鉴于此，本发明实施例提供一种用户价值预测方法、装置、电子设备和计算机存储介质，以解决现有技术中CLV模型所推算的用户价值不准确的问题。

为实现上述目的，本发明实施例提供如下技术方案：

本发明实施例第一方面示出了一种用户价值预测方法，所述方法包括：

获取用户数据，所述用户数据至少包括交易信息、浏览数据和用户属性数据；

基于从所述用户数据中提取到的特征数据，生成的特征数据集；

将所述特征数据集作为预先构建的数据预测模型的输入，基于所述预先构建的数据预测模型对所述特征数据集进行处理，得到所述用户预设时间段内的用户价值，其中，所述预先构建的数据预测模型是利用每一用户的历史数据进行训练得到。

可选的，所述利用每一用户的历史数据和预测数据进行训练得到数据预测模型的过程，包括：

获取历史时间段内每一用户的历史数据；

基于所述历史时间段内每一用户的历史数据，确定第一历史时刻前的历史数据和历史预测数据；

提取所述第一历史时刻前的历史数据中的特征数据；

将所述特征数据和历史预测数据划分成训练集和验证集；

基于所述训练集对通用的机器学习模型进行训练，得到初始数据预测模型；

在所述验证集上优化所述初始数据预测模型，得到训练完成的数据预测模型。

可选的，所述基于所述历史时间段内每一用户的历史数据，确定第一历史时刻前的历史数据和历史预测数据，包括：

获取所述历史数据中每一用户第一时间段内的所持有的资产份额数据，所述第一时间段为第一历史时刻至第二历史时刻之间的时间；

针对每一用户，将第一时间段内的资产份额数据进行计算，得到历史预测数据，所述历史预测数据包括每一用户对应的资产份额日均值；

基于所述历史数据，确定所述第一历史时刻前的历史数据。

可选的，所述基于所述历史时间段内每一用户的历史数据，确定第一历史时刻前的历史数据和历史预测数据，包括：